（来源：量子位）
20岁大学生10天VibeCoding盛大3000万投资
几个要素摆在一起，让人直呼：What???
你没看错，这是一个用AI预测世界的开源项目，名叫MiroFish，刚迅速登顶Github Trending榜。其Star数从1月底开始暴涨，目前已突破5.7k。
MiroFish是一款AI预测引擎，它可以通过提取现实世界的种子信息（如突发新闻等），自动构建出高保真的平行数字世界。
在此空间内，成千上万个具备独立人格、长期记忆与行为逻辑的智能体进行自由交互与社会演化。你可以在系统内动态注入变量，精准推演未来走向。
在作者给出的case中，有根据红楼梦前80回预测失传结局、摩尔线程大规模融资后的战略演进与市场影响分析等等。
它非常适合用来模拟预测重大社会事件的走向、分析大公司的战略动向，甚至分析文学作品的复杂人物关系和续写结局。
emm……所以可以拿来续写一下《龙族》的结尾吗（doge）
在MiroFish之前，作者还做了一个开源项目叫微舆BettaFish，是一个多Agent舆情分析助手。这个项目一开始只是作者的毕设，结果开源之后在GitHub上一周爆涨了20k star。
更让人大跌眼镜的是，这两个项目都是他只花了10天Vibe Coding出来的。
目前，作者已经得到了盛大集团创始人陈天桥的关注，并其邀请下加入了盛大。在陈天桥的大力支持下，MiroFish已经拿到3000万人民币的投资。
MiroFish：用AI预测未来
MiroFish其实是前作BettaFish的一个延续。
BettaFish用于舆情分析，输入一个热点话题，它会开启全网自动搜索，从各大社媒平台获取相关信息，接着让多Agent团队协作，基于信息进行总结、碰撞，最后输出一份详尽的舆情分析报告。
而MiroFish则想在此基础上更进一步：把分析的终点，变成预测的起点，从原始数据到智能决策，形成真正的闭环。通过多Agent来模拟现实中的人，形成社交网络，进一步推演事件的发展走向。
听起来是有那么一点酷炫。
我们以作者演示的“红楼梦续写失传结局”为例，看看MiroFish具体是怎么运作的。
第一步是图谱构建。首先上传《红楼梦》前80回的原著内容，并输入提示词，让模型基于文本特征和人物性格进行逻辑推演。
这一步是从种子信息中提取关键实体和关系，并利用时序GraphRAG给每个智能体注入独特的背景和记忆。
接着系统就根据15万字的原著，生成了一个庞大的人物关系图谱。共有905个实体节点，3822条关系边。
可以看到关系网最核心的角色就是宝玉，且他和其他几个节点，如黛玉、宝钗、贾母、袭人等都有数量最多的关系边。
点开每个节点也可以看到角色的详细介绍，以及角色在故事中发生的最新事件的总结。如黛玉的最新事件就是第76回的“冷月葬诗魂”。
第二步是环境搭建。这一步会抽取角色的实体关系，生成人设，并根据你的需求设定模拟的核心参数。
在这里总共提取出了580个人设，也就是预计生成580个Agent。
点击每一个人设，都能看到人物在故事中的全景经历、独特记忆、行为模式、社会关系网络等等。
比如贾代儒是宁荣二府所属贾家义塾的塾师，年约72岁，一生奉行“程朱理学”，以修身齐家为本，坚决维护传统伦理，反对放纵欲望、荒废学业。亲历贾家数代子弟兴衰，目睹贾府由盛转衰之兆。
甚至连MBTI都有……贾代儒是ISTJ，不er，这也太细了吧。
接下来系统会生成双平台模拟配置，初始激活事件与激活话题，并开始模拟。
在这里，经过30轮的双世界模拟后，五百多个Agent总共进行了将近2000个活动。左侧是模拟后的人物关系图谱，右侧则显示每个人物具体的活动内容和发表言论，串起来就是新的剧情。
每个智能体之间会有引用、评论的关系，比如素云描述了昨日搜捡大观园的情形，接下来甄士隐就回复了她的内容，评价“命如草芥，世事无常，不过如此”。
接着还可以生成整体的事件推演报告，有些观点写得还挺不错，比如“大观园的崩溃并非偶然悲剧，而是礼法结构与个体命运共振瓦解的必然过程”。
有意思的是，它预测的部分结局和现在《红楼梦》的结局也基本吻合：比如黛玉焚稿断情、湘莲削发出家。
另外，还可以与模型进行互动，比如直接问它“在大观园被抄后，宝玉后续剧情是怎样的”。
不同于高鹗续本中宝玉参加了科举考试，这个模型给出的结局是他在连番打击下精神遭受重创，随疯道人而去，不知所踪。
作者还展示了自己的花销情况，从第一步开始到模拟结束，后台大约只消耗了14块钱。
不过他也直言这个项目还有些缺点，如果文本量输入过大的话，输出结果可能会有中英文混杂的情况，后续会进一步优化这个问题。
VibeCoding打造超级个体，真的能成
自从第一个项目BettaFish火了之后，作者就收到了无数邮件，大厂offer、投资、合作邀约比比皆是，一度挤爆了他的邮箱。
他还写了一篇文章分享背后的全过程，最直观的感受是：市场在疯狂寻找能把AI用成生产力的人
很多人让他分享VibeCoding教程，他说做不出来，原因是技术变化太快了，快到你今天总结出来的范式，下个月可能就失效。
不过他还是分享了不少VibeCoding的心得：比如，时间花的最多的环节是市场调研技术选型，先弄明白“为什么做、做给谁、怎么做”，然后再指挥AI去干活。
他的落地流程是：figma画草图，用AI不断抽卡打磨→Google AI Studio做前端demo→把页面补进项目文档，再把任务拆成模块，交给AI IDE分批开发。
前端他推荐Gemini 3 Pro，非常有“灵气”，适合前端页面初始化、页面美化、交互细节打磨等等。后端的工程结构、接口设计、稳定性改造则交给Claude。
他还分享了几个经验：第一，多agent并行做同一个任务，然后你再挑一个最优的推进。如果不太考虑成本的话，这样做效率飞快。
更重要的是，你会非常直观地摸到每个模型的能力边界——它擅长什么、怕什么、在哪些地方容易“自信但跑偏”、你该怎么跟它配合。知道工具的能力边界，是驾驭它的第一步。
第二，越是高速，越需要做好“刹车系统”。简单来说，用git做好代码管理，以及写好文档。防止改了A影响B，最后整个项目乱套。
第三，对于一个真正的“项目”来说，深度的人机协作与code review非常重要。他会一行行审计AI写的代码，还会尽量跟着它的执行过程去看，了解AI为什么这么思考。
作者还提示了几个做开源项目的点，我觉得也非常关键：
作者其人
两个项目接连登顶Github Trending榜，背后的作者名叫BaiFu，中国科学技术大学学生。
在短短30天中，BaiFu清晰地感受到了投资人对00后AI人、对“超级个体”那种几乎溢出来的热情。
BettaFish爆火之后，陈天桥便邀请BaiFu加入盛大，并告诉他“继续做你想做的事”。
于是BaiFu便在盛大花了短短10天时间，完成了他在BettaFish阶段就想开发的“预测”功能——有了今天的MiroFish。
在演示视频递交的24小时内，陈天桥当场拍板决定：集团注资3000万人民币，全力支持MiroFish的深度孵化。
在文章中，BaiFu非常兴奋地呼吁：“超级个体”真的能成！越早去探索这条路，成功概率越大，尤其对大学生而言更是如此。
他写道：我们严重低估了传统行业、半互联网行业对AI变革的决心。几乎所有企业都在经历一种“AI焦虑”：他们知道浪潮来了，不做会被甩下，所以非常愿意、甚至可以说急切地进行AI改造与提效。
对于年轻人来说，只要你愿意往一个领域深扎，国内这么辽阔的市场，不管是打工还是创业，都会有一席之地。
时代在把机会往年轻人手里塞
github地址：
https://github.com/666ghj/MiroFish
demo链接：
https://666ghj.github.io/mirofish-demo/
作者自述：
https://mp.weixin.qq.com/s/UyYVjlBCvQRJI6B_MmZbsA
